KR102580837B1 - 사용자에 대응하는 사용 패턴 정보에 기반하여 외부 전자 장치를 제어 하기 위한 전자 장치 및 방법 - Google Patents
사용자에 대응하는 사용 패턴 정보에 기반하여 외부 전자 장치를 제어 하기 위한 전자 장치 및 방법 Download PDFInfo
- Publication number
- KR102580837B1 KR102580837B1 KR1020180025339A KR20180025339A KR102580837B1 KR 102580837 B1 KR102580837 B1 KR 102580837B1 KR 1020180025339 A KR1020180025339 A KR 1020180025339A KR 20180025339 A KR20180025339 A KR 20180025339A KR 102580837 B1 KR102580837 B1 KR 102580837B1
- Authority
- KR
- South Korea
- Prior art keywords
- user
- electronic device
- designated
- external electronic
- usage pattern
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 28
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 67
- 238000004891 communication Methods 0.000 claims abstract description 63
- 238000013528 artificial neural network Methods 0.000 claims abstract description 54
- 230000004424 eye movement Effects 0.000 claims description 13
- 230000015654 memory Effects 0.000 description 36
- 230000006870 function Effects 0.000 description 33
- 230000004044 response Effects 0.000 description 11
- 238000001816 cooling Methods 0.000 description 10
- 238000010438 heat treatment Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000005406 washing Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000000306 recurrent effect Effects 0.000 description 4
- 230000000638 stimulation Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003155 kinesthetic effect Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/16—Sound input; Sound output
- G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/002—Specific input/output arrangements not covered by G06F3/01 - G06F3/16
- G06F3/005—Input arrangements through a video camera
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/013—Eye tracking input arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/02—Preprocessing operations, e.g. segment selection; Pattern representation or modelling, e.g. based on linear discriminant analysis [LDA] or principal components; Feature selection or extraction
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/18—Artificial neural networks; Connectionist approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Acoustics & Sound (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- User Interface Of Digital Computer (AREA)
- Selective Calling Equipment (AREA)
Abstract
본 발명의 다양한 실시예에 따른 전자장치는, 마이크, 하나 이상의 외부 전자 장치들과 연결하기 위한 통신 모듈, 및 프로세서를 포함하고, 상기 프로세서는, 상기 마이크를 이용하여 획득된 음소 정보를 포함하는 음성 데이터에 적어도 기반하여 사용자를 확인하고, 상기 사용자가 제 1 사용자인 경우, 지정된 인공 신경망 알고리즘을 기반으로 상기 제 1 사용자에 대응하는 제 1 사용 패턴 정보를 확인하고, 상기 확인된 제 1 사용 패턴 정보를 기반으로 상기 음소 정보에 대응하는 상기 하나 이상의 외부 전자 장치들 중 제 1지정된 전자 장치를 상기 통신 모듈을 통해 제어하여 제 1 지정된 동작을 수행할 수 있다. 상기 사용자가 제 2 사용자인 경우, 지정된 인공 신경망 알고리즘을 기반으로 상기 제 2 사용자에 대응하는 제 2 사용 패턴 정보를 확인하고, 상기 확인된 제 2 사용 패턴 정보를 기반으로 상기 음소 정보에 대응하는 상기 하나 이상의 외부 전자 장치들 중 제 2지정된 전자 장치를 상기 통신 모듈을 통해 제어하여 제 2 지정된 동작을 수행할 수 있다. 본 발명의 다양한 실시예는 인공 신경망 알고리즘을 활용함으로써, 사용자에 대응하는 사용 패턴 정보를 기반으로, 사용자가 원하는 적어도 하나의 전자장치를 용이하게 제어할 수 있다. 또한, 다른 실시 예가 가능하다.
Description
본 발명의 다양한 실시 예는 사용자에 대응하는 사용 패턴 정보에 기반하여 외부 전자 장치를 제어하는 방법에 관한 것이다.
IOT(internet of things) 기술이 발전함에 따라, 다양한 서비스를 제공하는 IOT 장치들의 수가 증가하고 있다. 예를 들어, IOT 기술이 반영된 IOT 장치는 TV, 냉장고, 세탁기, 실내 조명, 냉/난방 시스템, 오디오 등과 같이 실생활과 관련된 제품을 포함할 수 있다. 개인적으로 사용하는 제품들 외에 공공적으로 사용되는 제품들도 IOT 장치에 포함될 수 있다. 다수의 IOT 장치들은 특정한 기능을 수행하기 위한 명령어를 수신하고, 상기 수신된 명령어에 대응하는 특정한 기능을 수행할 수 있다.
다수의 IOT 장치들은 특정 장치(예: 허브 장치) 및 특정 프로그램에 의해, 제어될 수 있다. 다수의 IOT 장치들은 인공 신경망(artificial neural network, ANN) 기술을 기반으로, 이전의 학습 정보에 따라 제어될 수 있다. 인공 신경망 기술은 가까운 미래에 발전 가능성이 높으며, 산업 전반에 걸쳐서 활용될 수 있다. 인공 신경망 기술에 해당하는 인공 신경망 학습 알고리즘은 순환 신경망(recurrent neural network, RNN) 알고리즘과 컨볼루션 신경망(convolution neural network, CNN) 알고리즘을 포함할 수 있다. 순환 신경망 알고리즘은 시간의 흐름에 따라 동작 순서를 확인하고, 그에 따른 정보의 연속성을 기반으로 학습하는 알고리즘이고, 컨볼루션 신경망 알고리즘은 정적인 이미지를 분석하는 알고리즘일 수 있다.
IOT 기술이 적용된 IOT 장치의 수가 증가함에 따라, 다수의 IOT 장치들 중에서 하나의 IOT 장치가 결정되고, 상기 결정된 IOT 장치에서 특정 기능을 수행하도록 명령이 전달되는 과정이 어려울 수 있다.
다양한 실시예에 따르면, 다수의 IOT 장치들을 보다 효율적으로 제어하기 위하여, 사용자는 음성을 사용하여 다수의 IOT 장치들 중 적어도 하나의 IOT 장치에게 명령어를 전달할 수 있다.
본 발명의 다양한 실시예는, 음성 명령어를 사용하여, 다수의 IOT 장치들 중 적어도 하나의 IOT 장치를 제어함에 있어서, 인공 신경망 알고리즘을 기반으로, 상기 적어도 하나의 IOT 장치가 특정 기능을 수행하는 방법을 제공할 수 있다.
본 발명의 다양한 실시예에 따른 전자장치는, 마이크; 하나 이상의 외부 전자 장치들과 연결하기 위한 통신 모듈; 및 프로세서를 포함하고, 상기 프로세서는, 상기 마이크를 이용하여 획득된 음소 정보를 포함하는 음성 데이터에 적어도 기반하여 사용자를 확인하고, 상기 사용자가 제 1 사용자인 경우, 지정된 인공 신경망 알고리즘을 기반으로 상기 제 1 사용자에 대응하는 제 1 사용 패턴 정보를 확인하고, 상기 확인된 제 1 사용 패턴 정보를 기반으로 상기 음소 정보에 대응하는 상기 하나 이상의 외부 전자 장치들 중 제 1지정된 전자 장치를 상기 통신 모듈을 통해 제어하여 제 1 지정된 동작을 수행하고, 및 상기 사용자가 제 2 사용자인 경우, 상기 지정된 인공 신경망 알고리즘을 기반으로 상기 제 2 사용자에 대응하는 제 2 사용 패턴 정보를 확인하고, 상기 확인된 제 2 사용 패턴 정보를 기반으로 상기 음소 정보를 이용하여 상기 하나 이상의 외부 전자 장치들 중 제 2지정된 전자 장치를 상기 통신 모듈을 통해 제어하여 제 2 지정된 동작을 수행할 수 있다.
본 발명의 다양한 실시예에 따른 전자장치는, 마이크; 하나 이상의 외부 전자 장치들과 연결하기 위한 통신 모듈; 및 프로세서를 포함하고, 상기 프로세서는, 상기 마이크를 이용하여 획득된 음소 정보를 포함하는 음성 데이터에 적어도 기반하여 사용자를 확인하고, 상기 사용자가 제 1 사용자인 경우, 지정된 인공 신경망 알고리즘을 기반으로 상기 제 1 사용자에 대응하는 제 1 사용 패턴 정보를 확인하고, 상기 확인된 제 1 사용 패턴 정보를 기반으로 상기 음소 정보에 대응하는 상기 하나 이상의 외부 전자 장치들 중 제 1지정된 전자 장치를 상기 통신 모듈을 통해 제어하여 지정된 동작을 수행하고, 및 상기 사용자가 제 2 사용자인 경우, 상기 지정된 인공 신경망 알고리즘을 기반으로 상기 제 2 사용자에 대응하는 제 2 사용 패턴 정보를 확인하고, 상기 확인된 제 2 사용 패턴 정보를 기반으로 상기 음소 정보에 대응하는 상기 하나 이상의 외부 전자 장치들 중 제 2지정된 전자 장치를 상기 통신 모듈을 통해 제어하여 상기 지정된 동작을 수행할 수 있다.
본 발명의 다양한 실시예에 따른 방법은, 마이크를 이용하여 획득된 음소 정보를 포함하는 음성 데이터에 적어도 기반하여 사용자를 확인하고, 상기 사용자가 제 1 사용자인 경우, 지정된 인공 신경망 알고리즘을 기반으로 상기 제 1 사용자에 대응하는 제 1 사용 패턴 정보를 확인하고, 상기 확인된 제 1 사용 패턴 정보를 기반으로 상기 음소 정보에 대응하는 상기 하나 이상의 외부 전자 장치들 중 제 1지정된 전자 장치를 상기 통신 모듈을 통해 제어하여 제 1 지정된 동작을 수행하고, 상기 사용자가 제 2 사용자인 경우, 상기 지정된 인공 신경망 알고리즘을 기반으로 상기 제 2 사용자에 대응하는 제 2 사용 패턴 정보를 확인하고, 상기 확인된 제 2 사용 패턴 정보를 기반으로 상기 음소 정보에 대응하는 상기 하나 이상의 외부 전자 장치들 중 제 2지정된 전자 장치를 상기 통신 모듈을 통해 제어하여 제 2 지정된 동작을 수행할 수 있다.
본 발명의 다양한 실시예는, 음성 명령어를 사용하여, 다수의 IOT 장치들 중 적어도 하나의 IOT 장치를 결정하고, 상기 결정된 적어도 하나의 IOT 장치가 특정한 기능을 수행하도록 제어할 수 있다. 본 발명의 다양한 실시예는, 인공 신경망 알고리즘을 기반으로, 전술된 동작을 수행함으로써, 사용자가 보다 편리하게 적어도 하나의 IOT 장치를 제어할 수 있다.
본 발명의 다양한 실시예는, 인공 신경망 알고리즘을 활용함으로써, 사용자에 대응하는 사용 패턴 정보를 기반으로, 사용자가 원하는 IOT 장치의 기능이 용이하게 동작하도록 제어할 수 있다. IOT 장치 제어에 대한 사용자 편의성이 향상될 수 있다.
도 1은 다양한 실시예에 따른, 네트워크 환경 내의 전자장치의 블록도이다.
도 2는 다양한 실시예에 따른, 전자장치와 복수의 IOT 장치들 간의 페어링 상태를 도시한 예시도이다.
도 3는 다양한 실시예에 따른, 음성 명령에 대응하여 IOT 장치를 제어하는 방법에 대한 흐름도이다.
도 4는 다양한 실시예에 따른, 사용자에 대응하는 설정 정보에 기반하여 외부 전자 장치를 제어하는 방법에 대한 흐름도이다.
도 5는 다양한 실시예에 따른, 사용자에 대응하는 설정 정보에 기반하여 외부 전자 장치를 제어하는 방법을 도시한 예시도이다.
도 6은 다양한 실시예에 따른, 음성 명령 및 눈동자의 응시 방향을 기반으로, 외부 전자 장치를 제어하는 방법에 대한 흐름도이다.
도 7은 다양한 실시예에 따른, 음성 명령 및 눈동자의 응시 방향을 기반으로, 외부 전자 장치를 제어하는 방법을 도시한 예시도이다.
도 2는 다양한 실시예에 따른, 전자장치와 복수의 IOT 장치들 간의 페어링 상태를 도시한 예시도이다.
도 3는 다양한 실시예에 따른, 음성 명령에 대응하여 IOT 장치를 제어하는 방법에 대한 흐름도이다.
도 4는 다양한 실시예에 따른, 사용자에 대응하는 설정 정보에 기반하여 외부 전자 장치를 제어하는 방법에 대한 흐름도이다.
도 5는 다양한 실시예에 따른, 사용자에 대응하는 설정 정보에 기반하여 외부 전자 장치를 제어하는 방법을 도시한 예시도이다.
도 6은 다양한 실시예에 따른, 음성 명령 및 눈동자의 응시 방향을 기반으로, 외부 전자 장치를 제어하는 방법에 대한 흐름도이다.
도 7은 다양한 실시예에 따른, 음성 명령 및 눈동자의 응시 방향을 기반으로, 외부 전자 장치를 제어하는 방법을 도시한 예시도이다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블럭도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 장치(150), 음향 출력 장치(155), 표시 장치(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 표시 장치(160) 또는 카메라 모듈(180))가 생략되거나, 하나 이상의 다른 구성 요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들은 하나의 통합된 회로로 구현될 수 있다. 예를 들면, 센서 모듈(176)(예: 지문 센서, 홍채 센서, 또는 조도 센서)은 표시 장치(160)(예: 디스플레이)에 임베디드된 채 구현될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)을 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 로드하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일 실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서), 및 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 추가적으로 또는 대체적으로, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 또는 지정된 기능에 특화되도록 설정될 수 있다. 여기서, 보조 프로세서(123)는 메인 프로세서(121)와 별개로 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 표시 장치(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성 요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132)(예: DRAM, SRAM, 또는 SDRAM 등) 또는 비휘발성 메모리(134)를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)(예: 어플리케이션 프로그램)을 포함할 수 있다.
입력 장치(150)는, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 장치(150)는, 예를 들면, 마이크, 마우스, 또는 키보드를 포함할 수 있다.
음향 출력 장치(155)는 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 장치(155)는, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있고, 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일 실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
표시 장치(160)는 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 표시 장치(160)는, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시예에 따르면, 표시 장치(160)는 터치를 감지하도록 설정된 터치 회로(touch circuitry), 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 센서 회로(예: 압력 센서)를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시예에 따르면, 오디오 모듈(170)은, 입력 장치(150)를 통해 소리를 획득하거나, 음향 출력 장치(155), 또는 전자 장치(101)와 직접, 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102)))(예: 스피커 또는 헤드폰))를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일 실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일 실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈를, 이미지 센서를, 이미지 시그널 프로세서를, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일 실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성 요소에 전력을 공급할 수 있다. 일 실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108))간의 직접(예: 유선 통신 채널) 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선 통신) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 이용하여 제 1 네트워크(198)(예: 블루투스, WiFi direct 또는 IrDA(infrared data association) 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 셀룰러 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부 전자 장치와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성 요소(예: 단일 칩)으로 통합되거나, 또는 서로 별도의 복수의 구성 요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(#92)은 가입자 식별 모듈(#96)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(#98) 또는 제 2 네트워크(#99)와 같은 통신 네트워크 내에서 전자 장치(#01)를 확인 및 인증할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부 전자 장치)로 송신하거나 외부로부터 신호 또는 전력을 수신할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 하나 이상의 안테나들을 포함할 수 있고, 이로부터, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부 전자 장치 간에 송신되거나 수신될 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))를 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일 실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 전자 장치(102, 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부 전자 장치들(102, 104, 108) 중 하나 이상의 외부 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다.
도 2는 다양한 실시예에 따른, 전자장치와 복수의 IOT 장치들 간의 페어링 상태를 도시한 예시도이다.
도 2를 참조하면, 전자장치(101)는 통신 모듈(예: 도 1의 통신 모듈(190))을 통해, 복수의 IOT 장치들과 유선 통신 채널 또는 무선 통신 채널을 통한 통신을 수행할 수 있다. 복수의 IOT 장치들은, 예를 들면, 세탁기(201), 냉장고(202), 텔레비전(예: TV(television) 1(203), TV 2(204)), 오디오 장치(205), 커튼(206)(예: 커튼을 열고 닫을 수 있는 자동화 시스템), CCTV(closed-circuit television)(207), 인터폰(208), 조명 시스템(209) 및 냉/난방 시스템(210)(예: 에어컨)을 포함할 수 있다. IOT 장치는 동일한 제품이 2개 이상일 수 있으며, 동일한 카테고리 내에 포함되는 제품이 2개 이상일 수도 있다. 예를 들어, 거실에 텔레비전(예: TV1 (203))이 한 대 위치하고, 서재에 다른 텔레비전(예: TV 2(204))이 한 대 위치할 수 있다. 조명 시스템(209) 및 냉/난방 시스템(210)은 적어도 하나의 방에 대응하여 기능이 실행될 수 있다.
다양한 실시예에 따르면, 전자장치(101)는 사용자의 명령에 응답하여, 적어도 하나의 IOT 장치를 결정하고, 상기 결정된 IOT 장치에서 적어도 하나의 기능을 수행하도록 상기 결정된 IOT 장치를 제어할 수 있다. 다양한 실시예에 따르면, 음성 명령을 IOT 장치에게 전달하여 처리함에 있어서, 인공 신경망 알고리즘(예: 순환 신경망(RNN) 알고리즘, LSTM(long short term memory) 알고리즘)을 기반으로, 사용자의 사용 패턴(예: 사용 패턴 정보, 설정 정보)을 확인할 수 있다. 예를 들어, RNN 알고리즘은 시계열 데이터(time-series data)와 같이, 시간의 흐름에 따라 변화하는 데이터를 학습하기 위한 딥 러닝 모델(deep learning model)일 수 있다. LSTM 알고리즘은 RNN 알고리즘의 단점을 보완한 딥 러닝 모델일 수 있다. LSTM 알고리즘은 학습한 정보가 소실될 가능성이 있는 RNN 알고리즘을 보완하여, 학습한 정보를 장기적으로 보관할 수 있는 알고리즘일 수 있다. 다양한 실시예에 따른 전자장치(101)는 음성 명령을 전달한 사용자를 확인하고, 상기 확인된 사용자에 대응하여 인공 신경망 알고리즘 기반의 학습된 사용 패턴 정보(예: 설정 정보)를 확인하고, 상기 확인된 사용 패턴 정보를 기반으로 적어도 하나의 IOT 장치를 제어할 수 있다. 다양한 실시예에 따르면, 사용 패턴 정보는 사용자에 기반하여, 적어도 하나의 외부 전자 장치를 사용하는 빈도 수에 대한 정보, 상기 외부 전자 장치를 사용한 시간에 대한 정보, 동일한 종류의 외부 전자 장치에 대하여, 상대적으로 더 많이 사용한 외부 전자 장치에 대한 정보, 사용자와 관련된 정보, 사용자가 선호하는 외부 전자 장치에 대한 정보, 시간 정보 및 날씨 정보 등을 포함할 수 있다.
도 3는 다양한 실시예에 따른, 음성 명령에 대응하여 IOT 장치를 제어하는 방법에 대한 흐름도이다.
도 3을 참조하면, 동작 301에서 전자장치(예: 도 1의 전자장치(101))의 프로세서(예: 도 1의 프로세서(120))는 마이크(예: 도 1의 입력 장치(150))를 통해, 사용자의 음성을 입력 받아 음성 명령을 감지할 수 있다. 예를 들어, 전자장치(101)는 IOT 장치들을 관리 또는 제어하기 위한 허브 장치(hub device)일 수 있으며, 적어도 하나의 IOT 장치들과 페어링 상태를 유지할 수 있다. IOT 장치는 세탁기, 냉장고, TV와 같이, 개인 사용자와 관련된, 실생활에서 사용되는 전자 제품을 포함하고, 다수의 사용자가 공공적으로 실생활에서 함께 사용되는 전자 제품을 포함할 수 있다.
동작 303에서 전자장치(101)의 프로세서(120)는 상기 감지된 음성 명령을 기반으로 사용자를 확인할 수 있다. 예를 들어, 전자장치(101)는 사용자의 음성에 대한 오디오 정보(예: 음성 주파수 정보)가 이미 메모리(예: 도 1의 메모리(130))에 저장된 상태일 수 있다. 프로세서(120)는 상기 메모리(130)에 저장된 오디오 정보와 상기 감지된 음성 명령을 비교하여, 상기 음성 명령에 대응하는 사용자를 확인할 수 있다. 다양한 실시예에 따르면, 프로세서(120)는 음성이 입력되면, 인공 신경망 알고리즘을 기반으로, 상기 입력된 음성을 분석 및 예측할 수 있다. 프로세서(120)는 상기 분석 및 예측을 통해, 상기 입력된 음성에 대응하여 특정 패턴이 반복되는지 여부를 확인할 수 있다. 상기 특정 패턴이 반복되는 경우 프로세서(120)는 상기 특정 패턴 및 상기 입력된 음성의 주파수에 대한 정보를 메모리(130)에 저장하고, 고유의 ID(identification)를 부여할 수 있다. 다양한 실시예에 따르면, 프로세서(120)는 음성 명령을 감지하면, 상기 고유의 ID에 대응되는 특정 패턴 및 음성의 주파수에 대한 정보를 기반으로, 상기 감지된 음성 명령에 대응하는 사용자를 확인할 수 있다.
동작 305에서 전자장치(101)의 프로세서(120)는 카메라(예: 도 1의 카메라 모듈(180))를 통한 안면 인식 방법을 사용하여 사용자를 확인할 수 있다.
다양한 실시예에 따르면, 프로세서(120)는 동작 303 및 동작 305 중에서 적어도 하나의 동작을 기반으로 사용자를 확인할 수 있다. 예를 들어, 프로세서(120)는 동작 303에서 감지된 음성 명령을 기반으로 사용자를 확인하고, 동작 305를 생략할 수 있다. 프로세서(120)는 동작 303을 생략하고, 동작 305에서 카메라를 통한 안면인식 방법을 사용하여 사용자를 확인할 수 있다. 다양한 실시예에 따르면, 정확하게 사용자를 확인하기 위하여, 동작 303과 동작 305이 함께 수행될 수 있고, 동작 303과 동작 305를 수행하는 순서는 변경될 수 있다.
동작 307에서 프로세서(120)는 동작 303 내지 동작 305에서 확인된 사용자에 대응하는 사용 패턴 정보(예: 설정 정보)를 기반으로 상기 감지된 음성 명령에 대응하는 적어도 하나의 외부 전자 장치(예: IOT 장치)를 제어할 수 있다. 예를 들어, 사용 패턴 정보는 인공 신경망 알고리즘(예: 순환 신경망(RNN) 알고리즘, LSTM(long short term memory) 알고리즘)을 기반으로 결정될 수 있다. RNN 알고리즘은 시계열 데이터(time-series data)와 같이, 시간의 흐름에 따라 변화하는 데이터를 학습하기 위한 인공 신경망 모델일 수 있고, LSTM 알고리즘은 RNN 알고리즘의 단점을 보완한 인공 신경망 모델일 수 있다. LSTM 알고리즘은 학습한 정보가 소실될 가능성이 있는 RNN 알고리즘을 보완하여, 학습한 정보를 장기적으로 보관할 수 있는 알고리즘일 수 있다. 사용 패턴 정보는 특정한 사용자에 대응하는 특정한 사용 패턴 정보를 포함할 수 있다. 예를 들어, 제 1 사용자의 경우 제 1 사용자에 대응하여 제 1 사용 패턴 정보(예: 제 1 설정 정보)가 결정될 수 있고, 제 2 사용자의 경우 제 2 사용자에 대응하여 제 2 사용 패턴 정보(예: 제 2 설정 정보)가 결정될 수 있다.
다양한 실시예에 따르면, 사용 패턴 정보는 다수의 IOT 장치들을 기반으로, IOT 장치를 사용하는 빈도 수에 대한 정보, IOT 장치를 사용하는 시간에 대한 정보, 동일한 종류의 IOT 장치(예: TV 1, TV 2)가 있는 경우 보다 많이 사용하는 IOT 장치에 대한 정보, 사용자와 관련된 정보(예: 위치, 가족관계, 거주 시간 등), 사용자가 선호하는 IOT 장치의 기능에 대한 정보, 시간 정보, 또는 날씨 정보 등을 포함할 수 있다.
일 실시예에 따르면, 사용자(예: 제 1 사용자)가 “내 방의 불을 끄고, 좋아하는 음악 좀 틀어줘”라고 음성 명령을 전달할 경우 전자장치(101)의 프로세서(120)는 사용 패턴 정보를 기반으로, 상기 사용자의 방이 어느 방인지 결정하고, 상기 사용자 방의 조명을 끌 수 있다. 그리고 프로세서(120)는 사용자의 위치를 확인하고, 사용자의 위치에서 음악을 재생할 수 있는 IOT 장치를 결정할 수 있다. 프로세서(120)는 사용 패턴 정보를 기반으로, 사용자가 선호하는 음악을 확인하고, 상기 IOT 장치에서 상기 사용자가 선호하는 음악이 재생되도록 제어할 수 있다. 만약, 다른 사용자(예: 제 2 사용자)가 음성 명령을 전달할 경우 프로세서(120)는 상기 다른 사용자에 대응하는 사용 패턴 정보를 기반으로, 해당 음성 명령에 대응하는 IOT 장치를 결정하고, 상기 결정된 IOT 장치의 설정된 기능을 수행할 수 있다.
다른 실시예에 따르면, 사용자가 “TV를 틀어줘”라고 음성 명령을 전달할 경우 프로세서(120)는 사용 패턴 정보를 기반으로, 사용자의 위치를 확인하고, 사용자와 가까이 위치한 TV가 켜지도록 제어할 수 있다. 프로세서(120)는 사용 패턴 정보를 기반으로, 현재 시간 및 사용자가 선호하는 TV 프로그램을 확인하고, 상기 선호하는 TV 프로그램이 표시되도록 상기 TV를 제어할 수 있다.
다양한 실시예에 따르면, 만약, 사용 패턴 정보에 대응되지 않는 새로운 사용자(예: 인공 신경망 알고리즘을 통해 기록되지 않은 사용자, 미등록 사용자)가 음성 명령을 전달하는 경우 프로세서(120)는 상기 음성 명령을 수행하지 않으며, 스피커(예: 도 1의 음향 출력 장치(155)) 또는 디스플레이(예: 도 1의 표시 장치(160))를 통해 상기 음성 명령을 수행할 지에 대한 허가를 기존의 사용자(예: 인공 신경망 알고리즘을 통해 기록된 사용자, 등록 사용자)에게 받을 수 있다. 예컨대, 프로세서(120)는 인공 신경망 알고리즘을 기반으로, 학습된 기존 사용자의 음성 명령을 기반으로 IOT 장치를 제어할 수 있다. 다양한 실시예에 따르면, 프로세서(120)는 기존 사용자의 허가 하에, 새로운 사용자를 등록할 수 있으며, 새로운 사용자에 대응하는 사용 패턴 정보는 시간의 흐름에 따라, 지속적으로 업데이트될 수 있다.
다양한 실시예에 따르면, 프로세서(120)는 다수의 사용자들 각각에 대응하는 사용 패턴 정보를 지속적으로 갱신할 수 있다. 예를 들어, 프로세서(120)는 음성이 입력되면, 인공 신경망 알고리즘(예: RNN 알고리즘, LSTM 알고리즘)을 기반으로 상기 입력된 음성을 분석 및 예측할 수 있다. 프로세서(120)는 분석 및 예측을 통해 획득한 데이터 중 특정 패턴이 반복되는 경우 상기 특정 패턴 및 음성의 주파수에 대한 정보를 서버 혹은 특정 메모리에 저장하고, 고유의 ID(identification)를 부여할 수 있다. 프로세서(120)는 상기 고유의 ID에 대응되는 특정 패턴 및 음성 주파수에 대한 정보를 기반으로, 기존에 저장된 정보와의 유사성 여부를 확인할 수 있다. 프로세서(120)는 상기 고유의 ID에 대한 정보가 기존의 저장된 정보와 유사할 경우 상기 고유의 ID에 대한 정보를 기반으로 기존의 저장된 정보를 갱신(update)할 수 있다.
도 4는 다양한 실시예에 따른, 사용자에 대응하는 설정 정보에 기반하여 외부 전자 장치를 제어하는 방법에 대한 흐름도이다.
도 4를 참조하면, 동작 401에서 전자 장치(예: 도 1의 전자 장치(101))의 프로세서(예: 도 1의 프로세서(120))는 마이크(예: 도 1의 입력 장치(150))를 이용하여 사용자의 음성 명령을 수신할 수 있다.
동작 403에서 프로세서(120)는 상기 수신된 음성 명령에 기반하여, 사용자가 누구인지 확인할 수 있다. 예를 들어, 프로세서(120)는 상기 수신된 음성 명령에 대한 오디오 정보(예: 음성의 특정 패턴 및 음성의 주파수 정보)를 확인할 수 있다. 프로세서(120)는 상기 확인된 오디오 정보와 메모리(예: 도 1의 메모리(130))에 저장된 오디오 정보를 비교하여, 상기 음성 명령에 대응하는 사용자를 확인할 수 있다.
동작 405에서 프로세서(120)는 음성 명령을 전달한 사용자가 제 1 사용자인지 여부를 확인할 수 있다. 제 1 사용자로 확인되면, 동작 407에서 프로세서(120)는 제 1 사용자에 대응하는 제 1 설정 정보(예: 제 1 사용 패턴 정보)를 확인하고, 상기 제 1 설정 정보를 기반으로, 음성 명령에 대응하는 적어도 하나의 외부 전자 장치를 결정할 수 있다.
동작 409에서 프로세서(120)는 상기 음성 명령에 대응하는 기능을 수행하도록 상기 결정된 외부 전자 장치를 제어할 수 있다.
동작 405에서 제 1 사용자가 아니라면, 동작 411에서 프로세서(120)는 제 2 사용자인지 여부를 확인할 수 있다. 제 2 사용자로 확인되면, 동작 413에서 프로세서(120)는 제 2 사용자에 대응하는 제 2 설정 정보(예: 제 2 사용 패턴 정보)를 확인하고, 상기 제 2 설정 정보를 기반으로, 음성 명령에 대응하는 적어도 하나의 외부 전자 장치를 결정할 수 있다.
동작 415에서 프로세서(120)는 상기 음성 명령에 대응하는 기능을 수행하도록 상기 결정된 외부 전자 장치를 제어할 수 있다.
동작 411에서 제 2 사용자도 아니라면, 프로세서(120)는 상기 수신된 음성 명령을 무시할 수 있다. 다양한 실시예에 따르면, 수신된 음성 명령에 대응하는 오디오 정보와 비교하기 위한 오디오 정보가 메모리(130)에 저장되지 않았을 때, 프로세서(120)는 상기 음성 명령에 대응하는 오디오 정보를 메모리(130)에 저장하고, 고유의 ID를 부여할 수 있다. 다양한 실시예에 따르면, 전자장치(101)는 메모리(130)에 기 저장된 ID에 대응하는 사용자의 제어 하에, 새로운 오디오 정보를 메모리(130)에 저장할 수 있고, 고유의 ID를 부여할 수 있다. 예를 들어, 전자장치(101)는 고유의 ID를 부여할 때, 기 저장된 ID에 대응하는 사용자에게 승인(permission)을 요청할 수 있다.
도 5는 다양한 실시예에 따른, 사용자에 대응하는 설정 정보에 기반하여 외부 전자 장치를 제어하는 방법을 도시한 예시도이다.
도 5를 참조하면, 전자장치(101)는 마이크(예: 도 1의 입력 장치(150))를 통해, 적어도 한 명의 사용자 음성을 수신하고, 상기 수신된 음성에 대응하는 사용자가 누구인지 확인할 수 있다. 예를 들어, 전자장치(101)는 상기 수신된 음성에 대한 오디오 정보(예: 특정 패턴 및 주파수 정보)를 확인할 수 있다. 전자장치(101)는 상기 확인된 오디오 정보와 메모리(예: 도 1의 메모리(130))에 저장된 오디오 정보를 비교함으로써, 상기 수신된 음성에 대응하는 사용자를 확인할 수 있다. 전자장치(101)는 인공 신경망 알고리즘을 기반으로, 상기 확인된 사용자에 대응하는 사용 패턴 정보를 확인하고, 상기 사용 패턴 정보에 기반하여, 상기 수신된 음성에 대한 음성 명령을 수행하도록 적어도 하나의 외부 전자장치(예: IOT 장치)를 제어할 수 있다.
다양한 실시예에 따르면, A 사용자(510)(예: 제1 사용자)와 B 사용자(520)(예: 제2 사용자)가 동일한 공간(501)(예: 집)에서 생활할 수 있다. A 사용자(510)는 동일한 공간(501)에 포함된 A ROOM(511)에서 생활하고, B 사용자(520)는 동일한 공간(501)에 포함된 B ROOM(521)에서 생활할 수 있다. 전자장치(예: 도 1의 전자장치(101))는 인공 신경망 알고리즘을 기반으로, 동일한 공간(501) 내에 생활하는 A 사용자(510)와 B 사용자(520)를 확인할 수 있다. 예를 들어, 전자장치(101)는 A 사용자(510)의 오디오 정보 및 B 사용자(520)의 오디오 정보가 메모리(예: 도 1의 메모리(130)에 저장된 상태일 수 있다. 또한, 전자장치(101)는 A 사용자(510)에 대응하는 사용 패턴 정보와, B 사용자(520)에 대응하는 사용 패턴 정보를 메모리(130)에 저장할 수 있다. 전자장치(101)는 A 사용자(510) 및 B 사용자(520) 중 적어도 한 명의 음성을 수신하고, 상기 메모리에 저장된 오디오 정보를 기반으로, 음성에 대응하는 사용자를 확인할 수 있다.
예를 들어, A 사용자(510)가 “내 방의 온도를 올려줘”라고 음성 명령(513)을 전달할 경우, 전자장치(101)는 상기 음성 명령(513)을 수신하고, 상기 음성 명령(513)에 대응하는 사용자가 A 사용자(510)임을 확인할 수 있다. 전자장치(101)는 A 사용자(510)에 대응하는 사용 패턴 정보를 기반으로, A 사용자(510)의 방인 A ROOM(511)을 확인할 수 있다. 전자장치(101)는 사용 패턴 정보를 기반으로, 바깥 날씨에 대한 정보 및 A 사용자(510)가 선호하는 설정 온도를 확인할 수 있다. 전자장치(101)는 냉/난방 시스템(503)(예: 도 2의 냉/난방 시스템(210))을 제어하여, A ROOM(511)의 온도를 조정할 수 있다. 다양한 실시예에 따르면, 전자장치(101)는 A 사용자(510)의 사용 패턴 정보를 기반으로, A 사용자(510)가 선호하는 실내의 설정 온도를 확인하고, 상기 확인된 설정 온도를 기반으로, A ROOM(511)의 온도를 조정할 수 있다.
다양한 실시예에 따르면, A 사용자(510)가 아닌 B 사용자(520)가 음성 명령을 전달하는 경우 전자장치(101)는 전술된 예시와 동일하게 적어도 하나의 외부 전자 장치(예: 냉/난방 시스템(503))를 제어할 수 있다.
예를 들어, B 사용자(520)가 “내 방의 온도를 올려줘”라고 음성 명령(523)을 전달할 경우, 전자장치(101)는 상기 음성 명령(523)을 수신하고, 상기 음성 명령(523)에 대응하는 사용자가 B 사용자(520)임을 확인할 수 있다. 전자장치(101)는 B 사용자(520)에 대응하는 사용 패턴 정보를 기반으로, B 사용자(520)의 방인 B ROOM(521)을 확인할 수 있다. 전자장치(101)는 냉/난방 시스템(503)(예: 도 2의 냉/난방 시스템(210))을 제어하여, B ROOM(521)의 온도를 조정할 수 있다. 다양한 실시예에 따르면, 전자장치(101)는 B 사용자(520)의 사용 패턴 정보를 기반으로, B 사용자(520)가 선호하는 실내의 설정 온도를 확인하고, 상기 확인된 설정 온도를 기반으로, B ROOM(521)의 온도를 조정할 수 있다.
도 6은 다양한 실시예에 따른, 음성 명령 및 눈동자의 응시 방향을 기반으로, 외부 전자 장치를 제어하는 방법에 대한 흐름도이다.
도 6을 참조하면, 동작 601에서 전자장치(예: 도 1의 전자장치(101))의 프로세서(예: 도 1의 프로세서(120))는 동작 센서 모드에서 주변의 움직임을 감지할 수 있다. 동작 센서 모드는 전자장치(101)의 프로세서(120)가 센서 모듈(예: 도 1의 센서 모듈(176))을 이용하여 움직이는 피사체를 감지하는 모드일 수 있다. 전자장치(101)의 프로세서(120)는 카메라(예: 도 1의 카메라 모듈(180))를 이용하여 외부 객체에 대한 이미지를 획득 할 수 있다. 다양한 실시예에 따르면, 프로세서(120)는 카메라가 항상 활성화된 상태에서 외부 객체에 대한 이미지를 획득하거나, 동작 센서 모드에서 카메라를 활성화하여 외부 객체에 대한 이미지를 획득하거나, 움직이는 피사체를 감지하는 경우 카메라를 활성화하여 외부 객체에 대한 이미지를 획득할 수 있다.
동작 603에서 프로세서(120)는 획득한 이미지에 적어도 기반하여, 외부 객체(예: 피사체)가 사람인지 여부를 확인할 수 있다.
동작 603에서 외부 객체가 사람으로 확인되면, 동작 605에서 프로세서(120)는 마이크(예: 도 1의 입력 장치(150))를 이용하여, 외부 객체(예: 사람)로부터 음성을 획득할 수 있다.
동작 607에서 프로세서(120)는 상기 획득한 음성을 기반으로 사용자를 확인할 수 있다. 예를 들어, 프로세서(120)는 사용자가 기존에 등록된 사용자인지, 새로운 사용자인지 여부를 판단할 수 있다. 프로세서(120)는 메모리(130)에 저장된 오디오 정보를 기반으로, 상기 사용자가 등록된 사용자인지, 미등록된 사용자인지 여부를 확인할 수 있다. 도시되진 않았지만, 상기 사용자가 미등록된 사용자인 경우 프로세서(120)는 등록된 사용자의 허가 하에, 상기 미등록된 사용자를 등록시킬 수 있다.
동작 609에서 프로세서(120)는 카메라(예: 도 1의 카메라 모듈(180))를 이용하여 사용자의 눈동자 움직임을 확인할 수 있다. 예를 들어, 프로세서(120)는 카메라를 이용하여, 사용자가 응시하는 방향을 확인할 수 있다.
동작 611에서 프로세서(120)는 상기 확인된 눈동자 움직임에 기반하여 복수의 외부 전자 장치들 중 하나의 외부 전자 장치를 결정할 수 있다. 예를 들어, 프로세서(120)는 사용자가 응시하는 방향(예: 좌표)에 복수의 외부 전자 장치가 위치하는 경우 상기 복수의 외부 전자 장치를 그룹화할 수 있다. 프로세서(120)는 그룹화된 복수의 외부 전자 장치를 기반으로, 상기 음성에 대응하는 기능을 수행할 수 있는 적어도 하나의 외부 전자 장치를 결정할 수 있다.
동작 613에서 프로세서(120)는 사용자에 대응하는 사용 패턴 정보(예: 설정 정보)를 기반으로, 상기 결정된 외부 전자 장치를 통해, 음성 명령에 대응하는 기능을 수행할 수 있는지 판단할 수 있다. 다양한 실시예에 따르면, 사용 패턴 정보(예: 설정 정보)는 인공 신경망 알고리즘을 기반으로, 특정 사용자에 대응하여 결정될 수 있고, 주기적으로 갱신될 수 있다. 프로세서(120)는 사용 패턴 정보를 기반으로, 사용자에 대응하여 적어도 하나의 외부 전자 장치를 결정하고, 사용자가 원하는 기능을 수행하도록 상기 결정된 외부 전자 장치를 제어할 수 있다.
동작 615에서 프로세서(120)는 음성 명령에 대응하는 기능을 수행하도록 상기 결정된 외부 전자 장치를 제어할 수 있다.
동작 613에서 상기 결정된 외부 전자 장치가 음성 명령에 대응하는 기능을 수행하지 못하는 경우 동작 617에서 프로세서(120)는 오디오 신호, 불빛, 진동 및 디스플레이에 메시지 알림 등과 같은 방법으로, 사용자에게 알림을 제공할 수 있다. 프로세서(120)는 음성 명령을 인지하지 못했다는 메시지를 사용자에게 전달할 수 있다.
도 7은 다양한 실시예에 따른, 음성 명령 및 눈동자의 응시 방향을 기반으로, 외부 전자 장치를 제어하는 방법을 도시한 예시도이다.
도 7은 사용자(701)의 생활 공간(700)(예: 집)을 위에서 내려다 본 평면도일 수 있다. 예를 들어, 사용자(701)의 생활 공간(700)에는 오디오 장치(711)(예: 도 2의 오디오 장치(205)), 2대의 TV(예: TV 1(712)(예: 도 2의 TV 1(203)), TV 2(713)(예: 도 2의 TV 2(204))), 커튼(714)(예: 도 2의 커튼(206)), 조명(예: 조명(좌)(716), 조명(우)(715)), 세탁기(717)(예: 도 2의 세탁기(201)) 및 냉장고(718)(예: 도 2의 냉장고(202))를 포함할 수 있다. 전술된 복수의 외부 전자 장치들은 IOT 장치에 포함될 수 있다. 도시되진 않았으나, 다수의 IOT 장치들(예: 냉/난방 시스템(예: 도 2의 냉/난방 시스템(210)))을 더 포함할 수 있으며, 도 7에 도시된 외부 전자 장치에 한정되지 않는다.
도 7을 참조하면, 전자 장치(710)(예: 도 1의 전자장치(101))가 생활 공간(700)의 중앙에 위치하였으나, 전자 장치(710)의 위치는 한정되지 않는다. 전자장치(710)는 다수의 외부 전자 장치들(예: 오디오 장치(711), TV 1(712), TV 2(713), 조명(715, 716), 세탁기(717), 냉장고(718) 등)을 관리 또는 제어하기 위한 허브 장치로 기능할 수 있고, 적어도 하나의 외부 전자 장치와 동기화될 수 있다. 전자장치(710)는 동기화된 외부 전자 장치들 중에서 적어도 하나의 외부 전자 장치를 결정하고, 상기 결정된 외부 전자 장치의 기능을 제어할 수 있다. 예를 들어, 전자장치(710)는 냉장고(718)의 냉장 온도를 조정하기 위하여, 상기 냉장고(718)를 제어할 수 있고, 오디오 장치(711)의 ON/OFF 및 볼륨 조절 등을 원격으로 제어할 수도 있다. 전자장치(710)는 카메라(예: 도 1의 카메라 모듈(180))을 포함하고, 카메라를 사용하여 주변의 피사체를 촬영할 수 있다.
도 7을 참조하면, 전자장치(710)는 카메라를 사용하여 사용자의 눈동자 움직임을 추적할 수 있고, 상기 눈동자 움직임에 기반하여 사용자가 응시하는 방향에 위치한 적어도 하나의 외부 전자 장치를 확인할 수 있다. 전자장치(710)는 사용자의 눈동자 움직임을 기반으로, 사용자의 의도를 예측하고, 사용자가 응시하는 방향에 위치한 적어도 하나의 외부 전자 장치를 제어할 수 있다.
다양한 실시예에 따르면, 사용자는 전자장치(710)에게 음성 명령을 전달하면서, 상기 음성 명령에 대응하는 적어도 하나의 외부 전자 장치를 응시할 수 있다. 전자장치(710)는 마이크를 통해 음성 명령을 수신하면서, 사용자의 눈동자 움직임을 확인할 수 있다. 전자장치(710)는 사용자가 응시하는 방향을 예측하고, 상기 응시하는 방향에 위치한 적어도 하나의 외부 전자 장치를 확인할 수 있다. 전자장치(710)는 상기 전달된 음성 명령을 상기 확인된 외부 전자 장치에게 적용할 수 있다. 전자장치(710)는 상기 확인된 외부 전자 장치가 상기 음성 명령에 대응하는 기능을 수행하도록 상기 확인된 외부 전자 장치를 원격으로 제어할 수 있다.
본 발명의 다양한 실시예에 따른 전자장치(예: 도 1의 전자장치(101))는, 마이크(예: 도 1의 입력 장치(150)), 하나 이상의 외부 전자 장치들과 연결하기 위한 통신 모듈(예: 도 1의 통신 모듈(190)), 및 프로세서(예: 도 1의 프로세서(120))를 포함하고, 상기 프로세서(120)는, 상기 마이크(150)를 이용하여 획득된 음소 정보를 포함하는 음성 데이터에 적어도 기반하여 사용자를 확인하고, 상기 사용자가 제 1 사용자인 경우, 지정된 인공 신경망 알고리즘을 기반으로 상기 제 1 사용자에 대응하는 제 1 사용 패턴 정보를 확인하고, 상기 확인된 제 1 사용 패턴 정보를 기반으로 상기 음소 정보에 대응하는 상기 하나 이상의 외부 전자 장치들 중 제 1지정된 전자 장치를 상기 통신 모듈(190)을 통해 제어하여 제 1 지정된 동작을 수행하고, 및 상기 사용자가 제 2 사용자인 경우, 상기 지정된 인공 신경망 알고리즘을 기반으로 상기 제 2 사용자에 대응하는 제 2 사용 패턴 정보를 확인하고, 상기 확인된 제 2 사용 패턴 정보를 기반으로 상기 음소 정보를 이용하여 상기 하나 이상의 외부 전자 장치들 중 제 2지정된 전자 장치를 상기 통신 모듈(190)을 통해 제어하여 제 2 지정된 동작을 수행할 수 있다.
다양한 실시예에 따르면, 제 1 사용 패턴 정보는, 상기 하나 이상의 외부 전자 장치들에 대응하는 상기 제 1 사용자의 사용 패턴 정보를 포함하고, 상기 제 2 사용 패턴 정보는, 상기 하나 이상의 외부 전자 장치들에 대응하는 상기 제 2 사용자의 사용 패턴 정보를 포함할 수 있다.
다양한 실시예에 따르면, 제 1 사용 패턴 정보는, 상기 지정된 인공 신경망 알고리즘을 기반으로 상기 제 1 사용자에 대응하는 가중치가 적용된, 상기 제 1 사용자의 사용 패턴 정보를 포함하고, 상기 제 2 사용 패턴 정보는, 상기 지정된 인공 신경망 알고리즘을 기반으로 상기 제 2 사용자에 대응하는 가중치가 적용된, 상기 제 2 사용자의 사용 패턴 정보를 포함할 수 있다.
다양한 실시예에 따르면, 상기 제 1 사용 패턴 정보 및 상기 제 2 사용 패턴 정보는, 상기 하나 이상의 외부 전자 장치들을 기반으로, 각각의 외부 전자 장치를 사용하는 빈도 수에 대한 정보, 상기 외부 전자 장치를 사용하는 시간에 대한 정보, 동일한 종류의 외부 전자 장치가 포함된 경우 보다 많이 사용하는 외부 전자 장치에 대한 정보, 사용자와 관련된 정보, 상기 사용자가 선호하는 상기 외부 전자 장치에 대한 정보, 시간 정보 및 날씨 정보 중 적어도 하나를 포함할 수 있다.
다양한 실시예에 따르면, 상기 프로세서(120)는, 상기 하나 이상의 외부 전자 장치들 중 상기 제 1 지정된 동작이 수행 가능한 적어도 하나의 외부 전자 장치를 상기 제 1 지정된 전자 장치로 결정하고, 상기 하나 이상의 외부 전자 장치들 중 상기 제 2 지정된 동작이 수행 가능한 다른 적어도 하나의 외부 전자 장치를 상기 제 2 지정된 전자 장치로 결정할 수 있다.
다양한 실시예에 따르면, 상기 프로세서(120)는, 상기 하나 이상의 외부 전자 장치들 중 상기 제 1 지정된 동작 또는 상기 제 2 지정된 동작에 대응하는 복수의 외부 전자 장치들이 포함된 경우 상기 복수의 외부 전자 장치들 중 상기 제 1 사용 패턴 정보에 적어도 기반하여 상기 제 1 지정된 전자 장치를 결정하고, 상기 복수의 외부 전자 장치들 중 상기 제2 사용 패턴 정보에 적어도 기반하여 상기 제 2 지정된 전자 장치를 결정할 수 있다.
다양한 실시예에 따르면, 상기 제 1 지정된 동작 및 상기 제 2 지정된 동작은 동일한 기능을 수행할 수 있다.
다양한 실시예에 따르면, 카메라(예: 도 1의 카메라 모듈(180))를 더 포함하고, 상기 프로세서(120)는, 상기 카메라(180)를 이용하여 상기 사용자의 눈동자 움직임을 확인하고, 상기 눈동자 움직임에 적어도 기반하여 상기 사용자가 응시하는 방향을 결정하고, 상기 방향에 적어도 기반하여, 상기 제 1 지정된 전자 장치 또는 상기 제 2 지정된 전자 장치를 결정할 수 있다.
다양한 실시예에 따르면, 상기 프로세서(120)는, 상기 사용자가 상기 제 1 사용자 및 상기 제 2 사용자에 속하지 않는 경우, 상기 사용자의 상기 하나 이상의 외부 전자 장치들의 제어에 대한 허가 여부를 확인하기 위한 알림을 제공할 수 있다.
본 발명의 다양한 실시예에 따른 전자장치(예: 도 1의 전자장치(101))는, 마이크(예: 도 1의 입력 장치(150)), 하나 이상의 외부 전자 장치들과 연결하기 위한 통신 모듈(예: 도 1의 통신 모듈(190)), 및 프로세서(예: 도 1의 프로세서(120))를 포함하고, 상기 프로세서(120)는, 상기 마이크(150)를 이용하여 획득된 음소 정보를 포함하는 음성 데이터에 적어도 기반하여 사용자를 확인하고, 상기 사용자가 제 1 사용자인 경우, 지정된 인공 신경망 알고리즘을 기반으로 상기 제 1 사용자에 대응하는 제 1 사용 패턴 정보를 확인하고, 상기 확인된 제 1 사용 패턴 정보를 기반으로 상기 음소 정보에 대응하는 상기 하나 이상의 외부 전자 장치들 중 제 1지정된 전자 장치를 상기 통신 모듈(190)을 통해 제어하여 지정된 동작을 수행하고, 상기 사용자가 제 2 사용자인 경우, 상기 지정된 인공 신경망 알고리즘을 기반으로 상기 제 2 사용자에 대응하는 제 2 사용 패턴 정보를 확인하고, 상기 확인된 제 2 사용 패턴 정보를 기반으로 상기 음소 정보에 대응하는 상기 하나 이상의 외부 전자 장치들 중 제 2지정된 전자 장치를 상기 통신 모듈(190)을 통해 제어하여 상기 지정된 동작을 수행할 수 있다.
다양한 실시예에 따르면, 제 1 사용 패턴 정보는, 상기 하나 이상의 외부 전자 장치들에 대응하는 상기 제 1 사용자의 사용 패턴 정보를 포함하고, 상기 제 2 사용 패턴 정보는, 상기 하나 이상의 외부 전자 장치들에 대응하는 상기 제 2 사용자의 사용 패턴 정보를 포함할 수 있다.
다양한 실시예에 따르면, 제 1 사용 패턴 정보는, 상기 지정된 인공 신경망 알고리즘을 기반으로 상기 제 1 사용자에 대응하는 가중치가 적용된, 상기 제 1 사용자의 사용 패턴 정보를 포함하고, 상기 제 2 사용 패턴 정보는, 상기 지정된 인공 신경망 알고리즘을 기반으로 상기 제 2 사용자에 대응하는 가중치가 적용된, 상기 제 2 사용자의 사용 패턴 정보를 포함할 수 있다.
다양한 실시예에 따르면, 상기 제 1 사용 패턴 정보 및 상기 제 2 사용 패턴 정보는, 상기 하나 이상의 외부 전자 장치들을 기반으로, 각각의 외부 전자 장치를 사용하는 빈도 수에 대한 정보, 상기 외부 전자 장치를 사용하는 시간에 대한 정보, 동일한 종류의 외부 전자 장치가 포함된 경우 보다 많이 사용하는 외부 전자 장치에 대한 정보, 사용자와 관련된 정보, 상기 사용자가 선호하는 상기 외부 전자 장치에 대한 정보, 시간 정보 및 날씨 정보 중 적어도 하나를 포함할 수 있다.
다양한 실시예에 따르면, 상기 프로세서(120)는, 상기 하나 이상의 외부 전자 장치들 중 상기 제 1 지정된 동작이 수행 가능한 적어도 하나의 외부 전자 장치를 상기 제 1 지정된 전자 장치로 결정하고, 상기 하나 이상의 외부 전자 장치들 중 상기 제 2 지정된 동작이 수행 가능한 다른 적어도 하나의 외부 전자 장치를 상기 제 2 지정된 전자 장치로 결정할 수 있다.
본 발명의 다양한 실시예에 따른 방법은, 마이크를 이용하여 획득된 음소 정보를 포함하는 음성 데이터에 적어도 기반하여 사용자를 확인하고, 상기 사용자가 제 1 사용자인 경우, 지정된 인공 신경망 알고리즘을 기반으로 상기 제 1 사용자에 대응하는 제 1 사용 패턴 정보를 확인하고, 상기 확인된 제 1 사용 패턴 정보를 기반으로 상기 음소 정보에 대응하는 하나 이상의 외부 전자 장치들 중 제 1지정된 전자 장치를 상기 통신 모듈을 통해 제어하여 제 1 지정된 동작을 수행하고, 상기 사용자가 제 2 사용자인 경우, 상기 지정된 인공 신경망 알고리즘을 기반으로 상기 제 2 사용자에 대응하는 제 2 사용 패턴 정보를 확인하고, 상기 확인된 제 2 사용 패턴 정보를 기반으로 상기 음소 정보에 대응하는 상기 하나 이상의 외부 전자 장치들 중 제 2지정된 전자 장치를 상기 통신 모듈을 통해 제어하여 제 2 지정된 동작을 수행할 수 있다.
다양한 실시예에 따른 방법은, 상기 하나 이상의 외부 전자 장치들 중 상기 제 1 지정된 동작이 수행 가능한 적어도 하나의 외부 전자 장치를 상기 제 1 지정된 전자 장치로 결정하고, 상기 하나 이상의 외부 전자 장치들 중 상기 제 2 지정된 동작이 수행 가능한 다른 적어도 하나의 외부 전자 장치를 상기 제 2 지정된 전자 장치로 결정할 수 있다.
다양한 실시예에 따른 방법은, 상기 하나 이상의 외부 전자 장치들 중 상기 제 1 지정된 동작 또는 상기 제 2 지정된 동작에 대응하는 복수의 외부 전자 장치들이 포함된 경우, 상기 복수의 외부 전자 장치들 중 상기 제 1 사용 패턴정보에 적어도 기반하여, 상기 제 1 지정된 전자 장치를 결정하고, 상기 복수의 외부 전자 장치들 중 상기 제 2 사용 패턴 정보에 적어도 기반하여, 상기 제 2 지정된 전자 장치를 결정할 수 있다.
다양한 실시예에 따르면, 상기 제 1 지정된 동작 및 상기 제 2 지정된 동작은 동일한 기능을 수행할 수 있다.
다양한 실시예에 따르면, 상기 제 1 지정된 동작을 수행 또는 상기 제 2 지정된 동작을 수행하는 동작은, 카메라를 이용하여 상기 사용자의 눈동자 움직임을 확인하고, 상기 눈동자 움직임에 적어도 기반하여 상기 사용자가 응시하는 방향을 결정하고, 상기 방향에 적어도 기반하여, 상기 하나 이상의 외부 전자 장치들 중 상기 제 1 지정된 전자 장치 또는 상기 제 2 지정된 전자 장치를 결정할 수 있다.
다양한 실시예에 따른 방법은, 상기 사용자가 상기 제 1 사용자 및 상기 제 2 사용자에 속하지 않는 경우, 상기 사용자에 대응하는, 상기 하나 이상의 외부 전자 장치들의 제어에 대한 허가 여부를 확인하기 위한 알림을 제공할 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치 (예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", “A 또는 B 중 적어도 하나,”"A, B 또는 C," "A, B 및 C 중 적어도 하나,”및 “A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, “기능적으로” 또는 “통신적으로”라는 용어와 함께 또는 이런 용어 없이, “커플드” 또는 “커넥티드”라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(#01)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(#36) 또는 외장 메모리(#38))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(#40))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(#01))의 프로세서(예: 프로세서(#20))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체 는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두개의 사용자 장치들(예: 스마트폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
101 : 전자장치 120 : 프로세서
130 : 메모리 170 : 오디오 모듈
176 : 센서 모듈 180 : 카메라 모듈
190 : 통신 모듈
130 : 메모리 170 : 오디오 모듈
176 : 센서 모듈 180 : 카메라 모듈
190 : 통신 모듈
Claims (20)
- 전자 장치에 있어서,
마이크;
카메라;
하나 이상의 외부 전자 장치들과 연결하기 위한 통신 모듈; 및
프로세서를 포함하고, 상기 프로세서는,
상기 마이크를 이용하여 획득된 음소 정보를 포함하는 음성 데이터에 적어도 기반하여, 등록된 복수의 사용자들 중에서 제 1 사용자 및 제 2 사용자 중 한 명을 확인하고,
상기 사용자가 상기 제 1 사용자인 경우, 상기 제 1 사용자에 대한 제 1 위치를 확인하고, 지정된 인공 신경망 알고리즘을 기반으로 상기 제 1 사용자에 대응하는 제 1 사용 패턴 정보 및 상기 카메라를 통해 획득된 제 1 사용자의 눈동자 움직임에 기반한 제 1 응시 방향을 확인하고, 상기 확인된 제 1 사용 패턴 정보 및 상기 제 1 응시 방향을 기반으로, 상기 하나 이상의 외부 전자 장치들 중 상기 음소 정보에 대응되는 적어도 하나의 제 1 지정된 전자 장치를 확인하고, 상기 적어도 하나의 제 1 지정된 전자 장치가 복수 개인 경우, 상기 제 1 사용자의 제 1 위치와 상대적으로 가깝게 위치하는, 복수 개의 제 1 지정된 전자 장치들 중에서 하나의 제 1 지정된 전자 장치를 확인하고, 상기 음성 데이터에 대응되는 제 1 지정된 동작이 수행되도록 상기 확인된 제 1 지정된 전자 장치를 제어하고, 및
상기 사용자가 상기 제 2 사용자인 경우, 상기 제 2 사용자에 대한 제 2 위치를 확인하고, 상기 지정된 인공 신경망 알고리즘을 기반으로 상기 제 2 사용자에 대응하는 제 2 사용 패턴 정보 및 상기 카메라를 통해 획득된 제 2 사용자의 눈동자 움직임에 기반한 제 2 응시 방향을 확인하고, 상기 확인된 제 2 사용 패턴 정보 및 상기 제 2 응시 방향을 기반으로 상기 하나 이상의 외부 전자 장치들 중 상기 음소 정보에 대응되는 적어도 하나의 제 2 지정된 전자 장치를 확인하고, 상기 적어도 하나의 제 2 지정된 전자 장치가 복수 개인 경우, 상기 제 2 사용자의 제 2 위치와 상대적으로 가깝게 위치하는, 복수 개의 제 2 지정된 전자 장치들 중에서 하나의 제 2 지정된 전자 장치를 확인하고, 상기 음성 데이터에 대응되는 제 2 지정된 동작이 수행되도록 상기 확인된 제 2 지정된 전자 장치를 제어하는 전자 장치.
- 제 1 항에 있어서,
상기 제 1 사용 패턴 정보는,
상기 하나 이상의 외부 전자 장치들에 대응하는 상기 제 1 사용자의 사용 패턴 정보를 포함하고,
상기 제 2 사용 패턴 정보는,
상기 하나 이상의 외부 전자 장치들에 대응하는 상기 제 2 사용자의 사용 패턴 정보를 포함하는 전자 장치.
- 제 1 항에 있어서,
상기 제 1 사용 패턴 정보는,
상기 지정된 인공 신경망 알고리즘을 기반으로 상기 제 1 사용자에 대응하는 가중치가 적용된, 상기 제 1 사용자의 사용 패턴 정보를 포함하고,
상기 제 2 사용 패턴 정보는,
상기 지정된 인공 신경망 알고리즘을 기반으로 상기 제 2 사용자에 대응하는 가중치가 적용된, 상기 제 2 사용자의 사용 패턴 정보를 포함하는 전자 장치.
- 제 1 항에 있어서,
상기 제 1 사용 패턴 정보 및 상기 제 2 사용 패턴 정보는,
상기 하나 이상의 외부 전자 장치들을 기반으로, 각각의 외부 전자 장치를 사용하는 빈도 수에 대한 정보, 상기 외부 전자 장치를 사용하는 시간에 대한 정보, 동일한 종류의 외부 전자 장치가 포함된 경우 보다 많이 사용하는 외부 전자 장치에 대한 정보, 사용자와 관련된 정보, 상기 사용자가 선호하는 상기 외부 전자 장치에 대한 정보, 시간 정보 및 날씨 정보 중 적어도 하나를 포함하는 전자 장치.
- 제 1 항에 있어서,
상기 프로세서는,
상기 하나 이상의 외부 전자 장치들 중 상기 제 1 지정된 동작이 수행 가능한 적어도 하나의 외부 전자 장치를 상기 제 1 지정된 전자 장치로 결정하고, 및
상기 하나 이상의 외부 전자 장치들 중 상기 제 2 지정된 동작이 수행 가능한 다른 적어도 하나의 외부 전자 장치를 상기 제 2 지정된 전자 장치로 결정하도록 설정된 전자 장치.
- 제 1 항에 있어서,
상기 프로세서는,
상기 하나 이상의 외부 전자 장치들 중 상기 제 1 지정된 동작 또는 상기 제 2 지정된 동작에 대응하는 복수의 외부 전자 장치들이 포함된 경우 상기 복수의 외부 전자 장치들 중 상기 제 1 사용 패턴 정보에 적어도 기반하여 상기 제 1 지정된 전자 장치를 결정하고, 및 상기 복수의 외부 전자 장치들 중 상기 제2 사용 패턴 정보에 적어도 기반하여 상기 제 2 지정된 전자 장치를 결정하도록 설정된 전자 장치.
- 제 1 항에 있어서,
상기 제 1 지정된 동작 및 상기 제 2 지정된 동작은 동일한 기능을 수행하는 전자 장치.
- 삭제
- 제 1 항에 있어서,
상기 프로세서는,
상기 사용자가 상기 제 1 사용자 및 상기 제 2 사용자에 속하지 않는 경우, 상기 사용자의 상기 하나 이상의 외부 전자 장치들의 제어에 대한 허가 여부를 확인하기 위한 알림을 제공하도록 설정된 전자 장치.
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 외부 전자 장치를 제어하는 방법에 있어서,
전자 장치에서 마이크를 이용하여 획득된 음소 정보를 포함하는 음성 데이터에 적어도 기반하여, 등록된 복수의 사용자들 중에서 제 1 사용자 및 제 2 사용자 중 한 명을 확인하는 동작;
상기 전자 장치에서 상기 사용자가 상기 제 1 사용자인 경우,
상기 제 1 사용자에 대한 제 1 위치를 확인하는 동작;
지정된 인공 신경망 알고리즘을 기반으로 상기 제 1 사용자에 대응하는 제 1 사용 패턴 정보 및 카메라를 통해 획득된 제 1 사용자의 눈동자 움직임에 기반한 제 1 응시 방향을 확인하는 동작;
상기 확인된 제 1 사용 패턴 정보 및 상기 제 1 응시 방향을 기반으로 하나 이상의 외부 전자 장치들 중 상기 음소 정보에 대응되는 적어도 하나의 제 1 지정된 전자 장치를 확인하는 동작;
상기 적어도 하나의 제 1 지정된 전자 장치가 복수 개인 경우, 상기 제 1 사용자의 제 1 위치와 상대적으로 가깝게 위치하는, 복수 개의 제 1 지정된 전자 장치들 중에서 하나의 제 1 지정된 전자 장치를 확인하는 동작; 및
상기 음성 데이터에 대응되는 제 1 지정된 동작이 수행되도록 상기 확인된 제 1 지정된 전자 장치를 제어하는 동작; 을 포함하고,
상기 전자 장치에서 상기 사용자가 상기 제 2 사용자인 경우,
상기 제 2 사용자에 대한 제 2 위치를 확인하는 동작;
상기 지정된 인공 신경망 알고리즘을 기반으로 상기 제 2 사용자에 대응하는 제 2 사용 패턴 정보 및 상기 카메라를 통해 획득된 제 2 사용자의 눈동자 움직임에 기반한 제 2 응시 방향을 확인하는 동작;
상기 확인된 제 2 사용 패턴 정보 및 상기 제 2 응시 방향을 기반으로 상기 하나 이상의 외부 전자 장치들 중 상기 음소 정보에 대응되는 적어도 하나의 제 2 지정된 전자 장치를 확인하는 동작;
상기 적어도 하나의 제 2 지정된 전자 장치가 복수 개인 경우, 상기 제 2 사용자의 제 2 위치와 상대적으로 가깝게 위치하는, 복수 개의 제 2 지정된 전자 장치들 중에서 하나의 제 2 지정된 전자 장치를 확인하는 동작; 및
상기 음성 데이터에 대응되는 제 2 지정된 동작이 수행되도록 상기 확인된 제 2 지정된 전자 장치를 제어하는 동작; 을 포함하는 방법.
- 제 15 항에 있어서,
상기 하나 이상의 외부 전자 장치들 중 상기 제 1 지정된 동작이 수행 가능한 적어도 하나의 외부 전자 장치를 상기 제 1 지정된 전자 장치로 결정하는 동작; 및
상기 하나 이상의 외부 전자 장치들 중 상기 제 2 지정된 동작이 수행 가능한 다른 적어도 하나의 외부 전자 장치를 상기 제 2 지정된 전자 장치로 결정하는 동작; 을 더 포함하는 방법.
- ◈청구항 17은(는) 설정등록료 납부시 포기되었습니다.◈제 15 항에 있어서,
상기 하나 이상의 외부 전자 장치들 중 상기 제 1 지정된 동작 또는 상기 제 2 지정된 동작에 대응하는 복수의 외부 전자 장치들이 포함된 경우, 상기 복수의 외부 전자 장치들 중 상기 제 1 사용 패턴정보에 적어도 기반하여, 상기 제 1 지정된 전자 장치를 결정하는 동작, 및
상기 복수의 외부 전자 장치들 중 상기 제 2 사용 패턴 정보에 적어도 기반하여, 상기 제 2 지정된 전자 장치를 결정하는 동작; 을 더 포함하는 방법.
- ◈청구항 18은(는) 설정등록료 납부시 포기되었습니다.◈제 15 항에 있어서,
상기 제 1 지정된 동작 및 상기 제 2 지정된 동작은 동일한 기능을 수행하는 방법.
- 삭제
- ◈청구항 20은(는) 설정등록료 납부시 포기되었습니다.◈제 15 항에 있어서,
상기 사용자가 상기 제 1 사용자 및 상기 제 2 사용자에 속하지 않는 경우, 상기 사용자에 대응하는, 상기 하나 이상의 외부 전자 장치들의 제어에 대한 허가 여부를 확인하기 위한 알림을 제공하는 동작; 을 더 포함하는 방법.
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180025339A KR102580837B1 (ko) | 2018-03-02 | 2018-03-02 | 사용자에 대응하는 사용 패턴 정보에 기반하여 외부 전자 장치를 제어 하기 위한 전자 장치 및 방법 |
| CN201980016706.8A CN111801650A (zh) | 2018-03-02 | 2019-02-28 | 电子装置及基于对应于用户的使用模式信息控制外部电子装置的方法 |
| EP19761329.2A EP3738025A4 (en) | 2018-03-02 | 2019-02-28 | ELECTRONIC DEVICE AND METHOD OF CONTROLLING AN EXTERNAL ELECTRONIC DEVICE BASED ON PATTERN USE INFORMATION ACCORDING TO THE USER |
| PCT/KR2019/002431 WO2019168377A1 (en) | 2018-03-02 | 2019-02-28 | Electronic device and method for controlling external electronic device based on use pattern information corresponding to user |
| US16/290,039 US20190272459A1 (en) | 2018-03-02 | 2019-03-01 | Electronic device and method for controlling external electronic device based on use pattern information corresponding to user |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180025339A KR102580837B1 (ko) | 2018-03-02 | 2018-03-02 | 사용자에 대응하는 사용 패턴 정보에 기반하여 외부 전자 장치를 제어 하기 위한 전자 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190104798A KR20190104798A (ko) | 2019-09-11 |
| KR102580837B1 true KR102580837B1 (ko) | 2023-09-21 |
Family
ID=67768128
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180025339A KR102580837B1 (ko) | 2018-03-02 | 2018-03-02 | 사용자에 대응하는 사용 패턴 정보에 기반하여 외부 전자 장치를 제어 하기 위한 전자 장치 및 방법 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20190272459A1 (ko) |
| EP (1) | EP3738025A4 (ko) |
| KR (1) | KR102580837B1 (ko) |
| CN (1) | CN111801650A (ko) |
| WO (1) | WO2019168377A1 (ko) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200209934A1 (en) * | 2018-12-28 | 2020-07-02 | Dongguan Evn Electronics Co., Ltd. | Internet-of-things-based computer on/off control expansion device and computer on/off control system |
| US11430447B2 (en) * | 2019-11-15 | 2022-08-30 | Qualcomm Incorporated | Voice activation based on user recognition |
| KR102441455B1 (ko) | 2020-05-08 | 2022-09-07 | 한국과학기술원 | 시각적 IoT 서비스를 위한 강화학습 및 효과도 기반 동적 미디어 선택을 위한 전자 장치 및 그의 동작 방법 |
| CN117133284A (zh) * | 2023-04-06 | 2023-11-28 | 荣耀终端有限公司 | 一种语音交互方法及电子设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170235361A1 (en) | 2016-01-20 | 2017-08-17 | Panasonic Automotive Systems Company Of America, Division Of Panasonic Corporation Of North America | Interaction based on capturing user intent via eye gaze |
| US20170249940A1 (en) * | 2015-11-06 | 2017-08-31 | Google Inc. | Voice commands across devices |
| WO2017188801A1 (ko) * | 2016-04-29 | 2017-11-02 | 주식회사 브이터치 | 동작-음성의 다중 모드 명령에 기반한 최적 제어 방법 및 이를 적용한 전자 장치 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101048321B1 (ko) * | 2009-10-08 | 2011-07-12 | 가톨릭대학교 산학협력단 | 음성인식 통합 리모컨 및 그 동작 방법 |
| CN104428832B (zh) * | 2012-07-09 | 2018-06-26 | Lg电子株式会社 | 语音识别装置及其方法 |
| US9384751B2 (en) * | 2013-05-06 | 2016-07-05 | Honeywell International Inc. | User authentication of voice controlled devices |
| US9698999B2 (en) * | 2013-12-02 | 2017-07-04 | Amazon Technologies, Inc. | Natural language control of secondary device |
| KR102208477B1 (ko) * | 2014-06-30 | 2021-01-27 | 삼성전자주식회사 | 마이크 운용 방법 및 이를 지원하는 전자 장치 |
| EP3455719A1 (en) * | 2016-05-10 | 2019-03-20 | Google LLC | Implementations for voice assistant on devices |
-
2018
- 2018-03-02 KR KR1020180025339A patent/KR102580837B1/ko active IP Right Grant
-
2019
- 2019-02-28 WO PCT/KR2019/002431 patent/WO2019168377A1/en unknown
- 2019-02-28 CN CN201980016706.8A patent/CN111801650A/zh active Pending
- 2019-02-28 EP EP19761329.2A patent/EP3738025A4/en active Pending
- 2019-03-01 US US16/290,039 patent/US20190272459A1/en not_active Abandoned
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170249940A1 (en) * | 2015-11-06 | 2017-08-31 | Google Inc. | Voice commands across devices |
| US20170235361A1 (en) | 2016-01-20 | 2017-08-17 | Panasonic Automotive Systems Company Of America, Division Of Panasonic Corporation Of North America | Interaction based on capturing user intent via eye gaze |
| WO2017188801A1 (ko) * | 2016-04-29 | 2017-11-02 | 주식회사 브이터치 | 동작-음성의 다중 모드 명령에 기반한 최적 제어 방법 및 이를 적용한 전자 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111801650A (zh) | 2020-10-20 |
| US20190272459A1 (en) | 2019-09-05 |
| EP3738025A4 (en) | 2021-03-10 |
| KR20190104798A (ko) | 2019-09-11 |
| WO2019168377A1 (en) | 2019-09-06 |
| EP3738025A1 (en) | 2020-11-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102580837B1 (ko) | 사용자에 대응하는 사용 패턴 정보에 기반하여 외부 전자 장치를 제어 하기 위한 전자 장치 및 방법 | |
| KR102624327B1 (ko) | IoT 기기의 위치 추론 방법, 이를 지원하는 서버 및 전자 장치 | |
| US11140486B2 (en) | Electronic device operating in associated state with external audio device based on biometric information and method therefor | |
| US20210043189A1 (en) | Method and system for performing voice command | |
| KR20190134922A (ko) | 허브를 통해 복수의 전자 장치를 서버에 연결시키는 방법 및 이를 수행하는 전자 장치 | |
| KR102481486B1 (ko) | 오디오 제공 방법 및 그 장치 | |
| US11227479B2 (en) | Sensing device for sensing open-or-closed state of door and method for controlling the same | |
| KR20200011869A (ko) | 디바이스 연결 설정 방법 및 장치 | |
| CN105573489A (zh) | 控制外部对象的电子设备和方法 | |
| US11533189B2 (en) | Electronic device and method for controlling external electronic device | |
| US11848007B2 (en) | Method for operating voice recognition service and electronic device supporting same | |
| KR102668301B1 (ko) | 전자 장치의 움직임을 결정하는 방법 및 이를 사용하는 전자 장치 | |
| KR20200076438A (ko) | 사용자의 액티비티를 추적하는 전자 장치 및 전자 장치의 동작 방법 | |
| US20210035575A1 (en) | Electronic apparatus, and method of controlling to execute function according to voice command thereof | |
| US11363189B2 (en) | Apparatus and method for recognizing voice and face on basis of change in camera driving method | |
| KR102606041B1 (ko) | 상태 정보에 기반하여 식별 정보를 변경하는 전자 장치 및 상기 식별 정보를 확인할 수 있는 다른 전자 장치 | |
| EP3762819B1 (en) | Electronic device and method of controlling thereof | |
| US20220026549A1 (en) | Electronic device and electronic device control method | |
| US11113215B2 (en) | Electronic device for scheduling a plurality of tasks and operating method thereof | |
| US11144791B2 (en) | Electronic apparatus for recognizing user and controlling method thereof | |
| US11443135B2 (en) | Method for monitoring object and electronic device for supporting the same | |
| KR20230090191A (ko) | 전자 장치 및 이의 동작 방법 | |
| KR20220136625A (ko) | 전자 장치 및 전자 장치에서 동적 조건으로 태스크를 수행하는 방법 | |
| KR20190093258A (ko) | 사용자의 제스처를 인식하는 전자 장치 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| X091 | Application refused [patent] | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) |